論文の概要: Ensemble and Random Collaborative Representation-Based Anomaly Detector for Hyperspectral Imagery

• arxiv url: http://arxiv.org/abs/2101.01976v1
• Date: Wed, 6 Jan 2021 11:23:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 00:04:32.419809
• Title: Ensemble and Random Collaborative Representation-Based Anomaly Detector for Hyperspectral Imagery
• Title（参考訳）: ハイパースペクトル画像のためのアンサンブルとランダム協調表現に基づく異常検出
• Authors: Rong Wang, Wei Feng, Qianrong Zhang, Feiping Nie, Zhen Wang, and Xuelong Li
• Abstract要約: ハイパースペクトル異常検出(HAD)のための新しいアンサンブルおよびランダム共同表現型検出器(ERCRD)を提案する。 4つの実超スペクトルデータセットを用いた実験により,提案手法の精度と効率を10段階法と比較した。
• 参考スコア（独自算出の注目度）: 133.83048723991462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, hyperspectral anomaly detection (HAD) has become an active topic and plays a significant role in military and civilian fields. As a classic HAD method, the collaboration representation-based detector (CRD) has attracted extensive attention and in-depth research. Despite the good performance of CRD method, its computational cost is too high for the widely demanded real-time applications. To alleviate this problem, a novel ensemble and random collaborative representation-based detector (ERCRD) is proposed for HAD. This approach comprises two main steps. Firstly, we propose a random background modeling to replace the sliding dual window strategy used in the original CRD method. Secondly, we can obtain multiple detection results through multiple random background modeling, and these results are further refined to final detection result through ensemble learning. Experiments on four real hyperspectral datasets exhibit the accuracy and efficiency of this proposed ERCRD method compared with ten state-of-the-art HAD methods.
• Abstract（参考訳）: 近年では、超スペクトル異常検出(had)が活発な話題となり、軍事分野や民間分野で重要な役割を担っている。 古典的HAD法として、協調表現に基づく検出器(CRD)が注目され、詳細な研究が行われている。 CRD法の優れた性能にもかかわらず、その計算コストは広く要求されるリアルタイムアプリケーションには高すぎる。 この問題を軽減するために,新しいアンサンブルとランダムな協調表現ベース検出器(ERCRD)が提案されている。 このアプローチは2つの主要なステップからなる。 まず,元々のcrd法で用いられたスライディングデュアルウインドウ戦略を置き換えるために,ランダムな背景モデルを提案する。 第二に、複数のランダムな背景モデリングにより複数の検出結果を得ることができ、これらの結果はアンサンブル学習により最終的な検出結果にさらに洗練される。 4つの実超スペクトルデータセットの実験では、提案手法の精度と効率が10の最先端HAD法と比較された。

関連論文リスト

• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• When Super-Resolution Meets Camouflaged Object Detection: A Comparison Study [135.19004496785408]
  Super Resolution (SR) と Camouflaged Object Detection (COD) は、コンピュータビジョンにおける様々なジョイントアプリケーションとのホットトピックである。 我々は、一般的なCODデータセット上で異なる超解像法をベンチマークする。 SR法により処理されたCODデータを用いて,異なるCODモデルのロバスト性を評価する。
  論文  参考訳（メタデータ） (2023-08-08T16:17:46Z)
• Learning Better with Less: Effective Augmentation for Sample-Efficient Visual Reinforcement Learning [57.83232242068982]
  データ拡張(DA)は、ビジュアル強化学習(RL)アルゴリズムのサンプル効率を高める重要な手法である。 サンプル効率のよい視覚的RLを実現する上で, DAのどの属性が有効かは明らかになっていない。 本研究は,DAの属性が有効性に与える影響を評価するための総合的な実験を行う。
  論文  参考訳（メタデータ） (2023-05-25T15:46:20Z)
• Spot The Odd One Out: Regularized Complete Cycle Consistent Anomaly Detector GAN [4.5123329001179275]
  本研究では,GAN(Generative Adversarial Neural Network)のパワーを活用した,現実の応用における異常検出のための逆方向検出手法を提案する。 従来の手法は、あらゆる種類の異常に適用できないような、クラス単位での精度のばらつきに悩まされていた。 RCALADという手法は,この構造に新たな識別器を導入し,より効率的な学習プロセスを実現することで,この問題を解決しようとするものである。
  論文  参考訳（メタデータ） (2023-04-16T13:05:39Z)
• IRGen: Generative Modeling for Image Retrieval [82.62022344988993]
  本稿では,画像検索を生成モデルの一種として再フレーミングする新しい手法を提案する。 我々は、イメージを意味単位の簡潔なシーケンスに変換するという技術的課題に対処するため、IRGenと呼ばれるモデルを開発した。 本モデルは,広範に使用されている3つの画像検索ベンチマークと200万件のデータセットに対して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-17T17:07:36Z)
• CNTS: Cooperative Network for Time Series [7.356583983200323]
  本稿では,協調ネットワーク時系列法(Cooperative Network Time Series approach)と呼ばれる,教師なし異常検出のための新しい手法を提案する。 CNTSの中心的な側面は多目的最適化の問題であり、協調的な解法戦略によって解決される。 実世界の3つのデータセットの実験は、CNTSの最先端性能を示し、検出器と再構成器の協調的有効性を確認する。
  論文  参考訳（メタデータ） (2023-02-20T06:55:10Z)
• MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution [63.02785017714131]
  ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。 フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。 VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
  論文  参考訳（メタデータ） (2020-07-23T05:41:27Z)
• Vision-Based Fall Event Detection in Complex Background Using Attention Guided Bi-directional LSTM [7.103237947935741]
  ディープラーニング手法に基づくマスクR-CNN法は,ノイズ背景の移動物体を明瞭に抽出することができる。 最終秋事象検出のための注目誘導双方向LSTMモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-24T13:19:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。